- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我一直在努力根据 p 值的成对比较表来制作我自己的 CLD。我知道 multcomp 是可能的,但我想生成我自己的 DIY 函数,它可以适应不同的事后输出。当然,有两个具有挑战性的方面:组生成背后的逻辑和编程实现。
我的“群组生成背后的逻辑”是这样的:
我使用循环是因为我发现它更容易看到我在做什么。
如果有人能指出逻辑或实现中的任何问题,那就太好了。如果有人能发现任何错误或提供有关如何使其工作的任何提示,我们将不胜感激。
我分别上传数据、每个处理的平均值,以及所有组之间的成对比较(用 agricolae::HSD.test 生成)和 p 值(成对比较文件包括重复数据,因为有是两列中所有可能的组合,这意味着所有处理都显示在两列中)
#LOADING THE DATA
contrasts <- read.table("https://raw.githubusercontent.com/paracon/cld_data/main/contrasts.csv",
header=TRUE)
means <- read.table("https://raw.githubusercontent.com/paracon/cld_data/main/means.csv",
header=TRUE)
#################################################################################
# WE ORDER TREATMENTS BY MEAN VALUE
means <- means[rev(order(means$mean)),]
# WE CREATE A DATAFRAME WHERE ALL GROUPS WILL BE ADDED AND
# WHERE THE TREATMENT WITH HIGHEST MEAN IS ASSIGNED GROUP "a"
existing_groups <- rbind(data.frame(trts=character(),
groups=character()),
data.frame(trts=as.character(means$treat[1]),
groups=as.character(letters[1]))
)
# WE LOOP ALONG ALL TREATMENTS (FROM means FILE) AFTER THE ONE WITH HIGHEST MEAN
for (i in 2:length(means$treat)){
# WE SUBSET FOR ALL THE CONTRASTS FOR TREATMENT i
contrasts_i <- contrasts[as.character(contrasts$col1)==as.character(gsub(" ", "", means[i,]$treat, fixed = TRUE)),]
# WE CREATE AN EMPTY DATAFRAME WHERE WE WILL ADD ALL TREATMENTS NOT DIFFERENT FROM TREATMENT i
same_as_checked <- data.frame(trts=as.character(),
groups=as.character())
# WE LOOP ALONG ALL ALREADY EXISTING GROUPS
for (g in unique(existing_groups$groups)){
# WE SUBSET FOR ALL THE TREATMENTS IN GROUP g
existing_groups_g <- existing_groups[existing_groups$groups==g,]
# WE LOOP ALONG ALL THE TREATMENTS IN GROUP g
for (j in 1:length(existing_groups_g$trts)){
existing_groups_j <- existing_groups_g[j,]
existing_groups_j$trts <- as.character(gsub(" ", "", existing_groups_j$trts, fixed = TRUE))
# WE CHECK PAIRWISE COMPARISON BETWEEN TREATMENT j IN THE GROUP AND contrasts_i$col2
# AND ALL ELEMENTS OF THAT GROUP
try(if(contrasts_i[contrasts_i$col2==existing_groups_j$trts,]$p_val>=0.05){
same_as_checked <- rbind(same_as_checked,
data.frame(trts=as.character(existing_groups_j$trts),
groups=NA))
},silent=TRUE)
}
}
print(means[i,]$treat)
print(same_as_checked$trts)
# same_as_checked SHOULD INCLUDE ALL THE TREATMENTS WHICH ARE NOT DIFFERENT FROM TREATMENT i
group_with_no_differences_exists <- "no"
# WE LOOP AGAIN ALONG ALL ALREADY EXISTING GROUPS
# NOW TO COMPARE THE TREATMENTS IN same_as_checked WITH ALL EXISTING GROUPS
for (g in unique(existing_groups$groups)){
# WE SUBSET FOR ALL THE TREATMENTS IN GROUP g
existing_groups_g <- existing_groups[existing_groups$groups==g,]
# WE CHECK IF GROUP g IS IDENTICAL TO same_as_checked
try(group_with_no_differences_exists <- ifelse(isTRUE(all.equal(unique(same_as_checked[order(same_as_checked$trts),]$trts),
unique(existing_groups_g[order(existing_groups_g$groups),]$trts))),
"yes","no"), silent=TRUE)
# IF GROUP IS IDENTICAL, WE WILL ADD TREATMENT i TO THIS GROUP
if (group_with_no_differences_exists=="yes"){
new_groups <- data.frame(trts=as.character(unique(contrasts_i$col1)),
groups=as.character(letters[which(letters==existing_groups_j$groups)])
)
}
# IF GROUP IS DIFFERENT, WE CREATE A NEW GROUP, WITH TREATMENT i AND ALL THE TREATMENTS IN same_as_checked
#same_as_checked IS NOT EMPTY:
if (group_with_no_differences_exists=="no" & nrow(same_as_checked)!=0){
new_groups <- rbind(data.frame(trts=same_as_checked$trts,
groups=rep(x=as.character(letters[which(letters==existing_groups_j$groups) + 1]),
times=length(same_as_checked$groups))
),
data.frame(trts=as.character(unique(contrasts_i$col1)),
groups=as.character(letters[which(letters==existing_groups_j$groups) + 1])
)
)
}
#same_as_checked IS EMPTY, TREATMENT i 'IS ALONE' IN THE NEW GROUP:
if (group_with_no_differences_exists=="no" & nrow(same_as_checked)==0){
new_groups <- data.frame(trts=as.character(unique(contrasts_i$col1)),
groups=as.character(letters[which(letters==existing_groups_j$groups) + 1])
)
}
}
existing_groups <- rbind(existing_groups, new_groups)
}
#################################################################################
library(tidyverse)
unique(existing_groups) %>%
group_by(trts) %>%
dplyr::summarise(
groups = paste(as.character(groups), collapse="")
)
这可行,但会生成冗余组,必须将其删除。要删除这些组,我应用了不太漂亮的代码:
#COMPARING EACH GROUP WITH THE NEXT GROUP (BY ALPHABETICAL ORDER),
#IF ALL TREATMENTS IN A GROUP ARE INCLUDED IN THE NEXT GROUP, THE FORMER IS REMOVED (CONVERTED TO NA)
for (g in unique(as.character(existing_groups$groups)))try({
existing_trts_g <- as.character(unique(existing_groups[existing_groups$groups==g,]$trts))
existing_trts_g_1 <- as.character(unique(existing_groups[existing_groups$groups==as.character(letters[which(letters==g) + 1]),]$trts))
if (existing_trts_g_1[!(is.na(existing_trts_g_1))] %contain% existing_trts_g[!(is.na(existing_trts_g))]){
existing_groups[!(is.na(existing_groups$groups)) & existing_groups$groups==g,]$groups <- NA
}
existing_groups <- existing_groups[!(is.na(existing_groups$groups)),]
},silent=TRUE)
for (g in unique(as.character(existing_groups$groups))){
nth <- match(g,unique(as.character(existing_groups$groups)))
existing_groups[existing_groups$groups==g,]$groups <- letters[nth]
}
预期的组(根据 agricolae::HSD.test)是:
一个:B100;ab: KT50, T10;abc: T35, KT10;公元前:T50、T100、KT35;c: KT100
您也可以在这里看到它们:https://raw.githubusercontent.com/paracon/cld_data/main/output.csv
最佳答案
也许这有帮助。
mod <- lm(Sepal.Width ~ Species, data = iris)
mod_means_contr <- emmeans::emmeans(object = mod,
pairwise ~ "Species",
adjust = "tukey")
mod_means <- multcomp::cld(object = mod_means_contr$emmeans,
Letters = letters)
### Bonus plot
library(ggplot2)
ggplot(data = mod_means,
aes(x = Species, y = emmean)) +
geom_point() +
geom_errorbar(aes(ymin = lower.CL,
ymax = upper.CL),
width = 0.2) +
geom_text(aes(label = gsub(" ", "", .group)),
position = position_nudge(x = 0.2)) +
labs(caption = "Means followed by a common letter are\nnot significantly different according to the Tukey-test")
由 reprex package 创建于 2021-06-03 (v2.0.0)
关于r - 来自成对比较 p 值的紧凑字母显示 (CLD),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65147798/
问题:用任何语言编写一个程序,给定一个字符串,生成一个与输入字符串的任何字谜匹配的正则表达式。对于所有大于某个长度 N 的正则表达式,正则表达式必须短于列出所有可能的字谜的“蛮力”解决方案,其中列出了
我正在尝试使用 html 和 css 生成一个简单的甘特图,我需要弄清楚如何使它紧凑,这意味着如果有可用的空白,该条应尝试适合前一行,同时保持相同的 x 距离。 上下文: X 轴是以月为单位的时间轴
我收到以下错误 (1/1) ErrorException compact(): Undefined variable: operator 这是我的代码行 $postsCat = Post::w
我正在使用 java 读取紧凑/截断的 PDF417 条形码,并且我有标准 PDF417 条形码的开始和结束模式的矩阵: Start Pattern = 81111113 (ending wit
我正在使用的当前 ListView 在文本上方和下方有额外的空间。我如何使它成为一个真正紧凑的? http://jsfiddle.net/qW6sP/8/
是否有办法“压缩”SQL 查询的结果? 结果如下: +----+-----------+----------+-----------+-------------+--------+ | ID | Fi
我目前在我的 Java 项目中使用 JSON(通过 gzip 压缩),其中我需要在磁盘上存储大量对象(数亿)。我每行有一个 JSON 对象,并且不允许在 JSON 对象中换行。这样我就可以逐行从磁盘流
R具有qr()函数,该函数使用LINPACK或LAPACK执行QR分解(以我的经验,后者快5%)。返回的主要对象是一个矩阵“ qr”,该矩阵包含在上三角矩阵R中(即R=qr[upper.tri(qr)
我希望开始 SQL 开发,因此决定用 Java 和 C# 实现一个使用基于 SQL 的数据库的应用程序,特别是它将是一个桌面应用程序,用于存储某些类型的数据通过数据库访问用户机器。 阅读此处发布的答案
我目前正在尝试解决一个奇怪的问题。我找不到太多相关信息。 简而言之: 当反序列化一个 xml 序列化对象时,我得到了一个正确对象类型的实例,但我只得到了对象内部的默认值。 长话短说: 序列化和反序列化
假设我需要一个包含许多重复元素的数组,如下所示: [3,3,3,3,3,8,8,8,8,5,5,5,5,5,5](所以这是五个 3,四个 8,和六个 5) 在 python 中,你可以像这样非常优雅地
这个问题在这里已经有了答案: Reverse the ordering of words in a string (48 个回答) 关闭 7 年前。 所以我正在尝试针对提示提出一个好的 C++ 解决
我是一名优秀的程序员,十分优秀!